In dit artikel over kunstmatige intelligentie gebruik ik als voorbeeld musea. Musea hebben veel kenmerken die culturele instellingen hebben en daardoor vormen ze een goede ‘benchmark’.
De meeste musea lijken wellicht op het eerste gezicht nog ver verwijderd van kunstmatige intelligentie. In de zalen hangen schilderijen die eeuwen oud zijn, vitrines tonen objecten uit andere omgevingen, en bezoekers lopen langs verhalen die zorgvuldig door curatoren zijn samengesteld. Toch is AI in rap tempo bezig een rol te spelen in de dagelijkse praktijk van culturele instellingen.
Niet alleen in de vorm van experimentele toepassingen, maar ook in systemen die al jarenlang onderdeel zijn van de digitale infrastructuur van musea: collectiebeheersystemen, ticketingplatforms, zoekmachines en publieksanalyse. De technologie verandert daarmee ongemerkt de manier waarop musea werken.
Juist daarom groeit de behoefte aan een expliciet AI-beleid. Niet als modieuze toevoeging aan bestaande strategieën, maar als onderdeel van goed bestuur. Wie AI gebruikt zonder duidelijke kaders, loopt risico’s die verder gaan dan technische fouten. Ze raken reputatie, auteursrechten, collectiebeheer en het vertrouwen van het publiek.
Authenticiteit in het tijdperk van synthetische beelden
Een van de meest fundamentele vragen raakt de kern van het museum zelf: authenticiteit. Musea zijn gebouwd op het idee dat zij objecten bewaren en presenteren waarvan de echtheid zo goed mogelijk is vastgesteld. Kunsthistorici, restauratoren en registrars hebben decennialang methodes ontwikkeld om vervalsingen te herkennen en herkomst te reconstrueren.
Generatieve AI verandert dat speelveld. Beelden kunnen tegenwoordig worden gemaakt die nauwelijks of niet van bestaande kunstwerken te onderscheiden zijn. Ook documenten – bijvoorbeeld over de herkomst van een object – kunnen overtuigend worden gegenereerd. Daarmee ontstaat een nieuw type vervalsing: digitaal geproduceerd, maar vaak bedoeld om in de fysieke wereld geloofwaardig te lijken.
- Een klassiek voorbeeld van hoe musea kunnen worden misleid is de Amarna Princess-zaak. In 2003 kocht het Britse Bolton Museum een beeld dat werd gepresenteerd als een zeldzaam Egyptisch artefact. Later bleek dat het werk was gemaakt door de Britse vervalser Shaun Greenhalgh en zijn familie. Het beeld had drie jaar in het museum gestaan voordat het als vervalsing werd ontmaskerd. (Amarna Princess)
- Dit soort fraude bestond al vóór AI, maar experts waarschuwen dat generatieve AI het probleem verergert. Criminelen gebruiken AI-tools om overtuigende provenancedocumenten, certificaten en verkoopfacturen te genereren die een kunstwerk een valse herkomst geven. AI Is a Godsend for Criminals Forging Fake Art
Voor musea betekent dit dat traditionele expertise niet langer voldoende is. Curatoren moeten niet alleen kunsthistorische kennis hebben, maar ook begrijpen hoe synthetische beelden ontstaan en hoe digitale manipulatie kan worden opgespoord. AI-beleid begint hier vaak met iets eenvoudigs: procedures voor verificatie. Net zoals musea regels hebben voor de herkomst van objecten, zullen ze ook moeten bepalen hoe digitale authenticiteit wordt gecontroleerd.
Technologie en afhankelijkheid van leveranciers
Een tweede vraagstuk ligt minder voor de hand, maar is minstens zo belangrijk: de afhankelijkheid van technologieleveranciers. Veel software die musea gebruiken bevat inmiddels AI-functionaliteit. Soms is dat duidelijk zichtbaar, bijvoorbeeld in automatische beeldherkenning of aanbevelingssystemen voor bezoekers. In andere gevallen zit AI verborgen in de achtergrond van een systeem.
- Een voorbeeld van hoe instellingen hiermee omgaan komt van het Amon Carter Museum of American Art. Daar ontstond de discussie over AI nadat medewerkers zich realiseerden dat AI-tools mogelijk toegang konden krijgen tot interne informatie en collectiedata. Het museum begon daarop met het ontwikkelen van interne richtlijnen voor hoe medewerkers AI mogen gebruiken en welke informatie niet in AI-systemen mag worden ingevoerd. Cultivating AI: Developing AI Guidelines and Literacy Resources at the Carter
- Ook organisaties als Art Fund hebben inmiddels formele AI-beleidstrajecten ontwikkeld om te bepalen hoe technologie en leveranciers moeten worden beoordeeld en welke data gebruikt mogen worden. Art Fund’s AI policy: why, how and what
Voor bestuurders betekent dit dat inkoopprocessen veranderen. Waar vroeger vooral werd gekeken naar functionaliteit en prijs, moeten nu ook vragen worden gesteld over data en algoritmen. Welke gegevens gebruikt een systeem om te leren? Worden collectiedata ingezet om commerciële modellen te trainen? En wat gebeurt er met die data wanneer een contract wordt beëindigd? En in een tijd van toenemende cyber risico’s: hoe weten we dat indringers niet via de software partner binnen kunnen dringen? Dit soort vragen maakt duidelijk dat AI-beleid niet alleen een technische kwestie is. Het raakt ook juridische afspraken, databeheer en strategische autonomie.
De onzichtbare bias in museumdata
Een derde dimensie van AI-gebruik ligt in de inhoud van museumcollecties zelf. Musea beschikken over enorme hoeveelheden digitale data: beschrijvingen van objecten, catalogi, metadata en archieven. Wanneer AI-systemen met deze data werken, nemen ze ook de historische aannames en ongelijkheden over die erin besloten liggen. Veel collecties zijn in een andere tijd opgebouwd. Sommige kunstenaars of gemeenschappen zijn ondervertegenwoordigd, beschrijvingen bevatten verouderde termen en bepaalde perspectieven ontbreken. AI-systemen die zoeken, classificeren of aanbevelingen doen, versterken deze patronen vaak. Wat weinig aanwezig is in de dataset, verschijnt ook minder vaak in de resultaten.
- Een concreet voorbeeld is onderzoek bij Harvard University Herbaria, waar data-analyse en AI werden ingezet om verouderde of problematische beschrijvingen in natuurhistorische collecties te identificeren. Het project laat zien hoe AI zowel bias kan reproduceren als helpen deze zichtbaar te maken. Improving the Search: Uncovering AI bias in digital collections
Voor musea betekent dit dat AI-beleid niet alleen over technologie gaat, maar ook over inhoudelijke verantwoordelijkheid. De vraag hoe collecties worden beschreven en geïnterpreteerd wordt daarmee opnieuw relevant.
AI en de toekomst van museumwerk
Naast inhoud en technologie raakt AI ook de organisatie zelf. In de culturele sector wordt AI vaak gepresenteerd als een hulpmiddel: een manier om sneller teksten te schrijven, afbeeldingen te analyseren of bezoekersdata te interpreteren. Dat beeld klopt gedeeltelijk. Veel toepassingen zullen werk ondersteunen in plaats van vervangen. Maar tegelijk verandert de aard van bepaalde taken. Routinewerk in onderzoek, communicatie of administratie kan steeds vaker worden geautomatiseerd. Andere werkzaamheden verschuiven juist richting interpretatie en toezicht. Voor musea betekent dit dat personeelsbeleid mee moet veranderen. Medewerkers hebben nieuwe vaardigheden nodig om met AI-tools te werken, maar ook om hun beperkingen te begrijpen.
- AI verandert ook de aard van werk in musea. In discussies over “practical AI for museums” wordt bijvoorbeeld benadrukt dat AI kan worden ingezet om taken zoals collectie-analyse, tekstgeneratie of publieksanalyse te automatiseren, maar dat organisaties tegelijkertijd moeten investeren in nieuwe vaardigheden en training voor medewerkers. Dat betekent dat AI niet alleen een technologisch project is, maar ook een HR- en organisatievraagstuk: welke taken veranderen en welke nieuwe competenties hebben curatoren, educatiemedewerkers of communicatieteams nodig? Practical AI for Museums: 20 Insights
Het gesprek over AI gaat daarom niet alleen over efficiëntie, maar ook over vertrouwen. Medewerkers moeten weten hoe technologie wordt ingezet en welke rol zij daarin hebben.
Governance: wie is verantwoordelijk?
Misschien wel de belangrijkste vraag rondom AI is uiteindelijk een bestuurlijke: wie is verantwoordelijk? In veel organisaties gebruiken medewerkers al generatieve AI-tools voor dagelijkse werkzaamheden. Teksten worden gegenereerd, beelden bewerkt, analyses gemaakt. Vaak gebeurt dat zonder formele richtlijnen. Dat kan onschuldig lijken, maar brengt risico’s met zich mee.
Mag een medewerker interne documenten invoeren in een publieke AI-tool? Wie bezit de rechten op een afbeelding die met behulp van AI is gemaakt? En wie controleert of gegenereerde informatie klopt voordat die wordt gepubliceerd?
Een AI-beleid biedt hier duidelijkheid. Niet door innovatie te beperken, maar door kaders te scheppen. Richtlijnen over data, auteursrecht en verantwoordelijkheden helpen medewerkers om technologie veilig te gebruiken.
Steeds meer culturele organisaties ontwikkelen daarom formele AI-richtlijnen. Zo heeft MuseumWeek een speciale AI-policy guide ontwikkeld voor musea om vast te leggen welke tools medewerkers mogen gebruiken, hoe transparantie moet worden gewaarborgd en wie verantwoordelijk is voor toezicht. Het doel van zulke richtlijnen is niet om innovatie te beperken, maar om duidelijkheid te geven over vragen zoals:
- welke AI-tools zijn toegestaan;
- welke data mogen worden gedeeld;
- hoe transparant instellingen moeten zijn over AI-gegenereerde content.
AI & Museums: Empower Your Team with an Internal AI Policy Guide
Van experiment naar strategie
Veel musea bevinden zich momenteel in een overgangsfase. AI wordt onderzocht, soms toegepast, maar zelden structureel bestuurd. Dat is begrijpelijk. Technologie ontwikkelt zich snel en de culturele sector heeft vaak beperkte middelen om alle ontwikkelingen bij te houden. Toch groeit het besef dat AI niet langer een experiment is. Het raakt fundamentele aspecten van het museum: authenticiteit, kennisproductie, publieksrelaties en governance.
Juist daarom hoort AI-beleid thuis op bestuursniveau. Niet als technische handleiding, maar als strategisch document dat vastlegt hoe een instelling met nieuwe technologie omgaat. Musea hebben in hun geschiedenis vaker technologische veranderingen doorgemaakt. Van fotografie tot digitalisering van collecties: telkens moest de sector bepalen hoe innovatie past binnen haar publieke opdracht. Kunstmatige intelligentie is de volgende stap in dat proces.
De uitdaging voor musea en alle andere culturele instellingen is niet om AI te vermijden, maar om het zo te gebruiken dat het de kern van hun werk versterkt: het bewaren, interpreteren en delen van cultureel erfgoed. Dan is het natuurlijk wel van belang om een gedegen beleid te hebben dat niet alleen kan worden uitgevoerd, maar waar het toezicht ook op kan toezien.
Nederlands 
English (UK) 
Français 